RedFace: um sistema de reconhecimento facial baseado em técnicas de análise de componentes principais e autofaces

Autores

  • Fabio Abrantes Diniz Universidade Federal Rural do Semi-Árido - UFERSA
  • Francisco Milton Mendes Neto Universidade Federal Rural do Semi-Árido - UFERSA
  • Francisco das Chagas Lima Júnior Universidade do Estado do Rio Grande do Norte – UERN
  • Laysa Mabel Oliveira Fontes Universidade Federal Rural do Semi-Árido - UFERSA

DOI:

https://doi.org/10.5335/rbca.2013.2627

Palavras-chave:

Reconhecimento Facial, Métodos de Aprendizagem de Máquina, PCA, Eingeface,

Resumo

Desenvolver um modelo computacional de reconhecimento facial não é uma tarefa trivial, porque as faces e os estímulos visuais multidimensionais possuem características de modelagem complexa. A grande dificuldade está na modelagem de uma face que abstraia as características que as diferenciem de outras faces, já que estas apresentam poucas diferenças substanciais entre si. Embora diferentes, todas as faces possuem características como, por exemplo, uma boca, dois olhos e um nariz. No presente trabalho é proposto um sistema de reconhecimento facial desenvolvido em duas fases. Inicialmente utilizam-se as técnicas de Análise de Componentes Principais (PCA) e Eigenfaces (autofaces) para a extração de características da face. Na segunda fase foram aplicados os classificadores K-Nearest Neighbors (K-NN), Random Forest (Floresta Aleatória) e K-Star (K-estrela) no processo de reconhecimento da face. A validação dos algoritmos foi realizada numa base de dados contendo 1280 imagens de 64 classes distintas. Finalmente, foi mostrado que o desempenho dos algoritmos testados para sistemas de reconhecimentos de face baseado em PCA foram muito satisfatórios, atingindo as melhores taxas de reconhecimento, acima de 90% em todos os classificadores.

Downloads

Os dados de download ainda não estão disponíveis.

Biografia do Autor

  • Fabio Abrantes Diniz, Universidade Federal Rural do Semi-Árido - UFERSA
    possui graduação em Ciência da Computação pela Universidade Federal de Pernambuco (2009). Tem experiência na área de Ciência da Computação, com ênfase em Engenharia de Software e Banco de Dados. Atualmente é mestrando em Sistemas Computacionais pelo Programa de Pós-Graduação em Ciência da Computação (PPgCC) pela UFERSA/UERN, onde é bolsista do programa da Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES).
  • Francisco Milton Mendes Neto, Universidade Federal Rural do Semi-Árido - UFERSA
    possui graduação em Ciência da Computação pela Universidade Estadual do Ceará (1997), mestrado em Informática pela Universidade Federal de Campina Grande (2000) e doutorado em Engenharia Elétrica, na área de Processamento da Informação, pela Universidade Federal de Campina Grande (2005). Trabalhou, durante oito anos, como Analista de Sistemas no Serviço Federal de Processamento de Dados (SERPRO), obtendo experiência em gerência de grandes projetos de software. Atualmente é professor adjunto 3 dos cursos de graduação e de pós-graduação em Ciência da Computação da Universidade Federal Rural do Semi-Árido (UFERSA), sendo o atual coordenador do Programa de Pós-Graduação em Ciência da Computação. Tem experiência na área de Ciência da Computação, com ênfase em Engenharia de Software, atuando principalmente nos seguintes temas: ensino a distância, aprendizagem colaborativa com suporte de computador, engenharia do conhecimento, gestão do conhecimento e sistemas multiagentes.
  • Laysa Mabel Oliveira Fontes, Universidade Federal Rural do Semi-Árido - UFERSA
    possui graduação em Ciência da Computação pela Universidade Federal Rural do Semi-Árido - UFERSA (2010). Atualmente é mestranda em Sistemas Computacionais pelo Programa de Pós-Graduação em Ciência da Computação (PPgCC) pela UFERSA/UERN, onde é bolsista do programa da Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES). É pesquisadora do Núcleo Tecnológico em Engenharia de Software (NTES) e é membro integrante do Grupo de Pesquisa em Engenharia de Software (GPES) da UFERSA. Pesquisa na área de Engenharia de Software, atuando principalmente nos seguintes temas: ensino a distância, aprendizagem colaborativa com suporte de computador, engenharia do conhecimento, gestão do conhecimento e sistemas multiagentes.

Downloads

Publicado

17-05-2013

Edição

v. 5 n. 1 (2013)

Seção

Artigo Original

Licença

Licença Creative Commons
Todos os artigos estão licenciados com a licença Creative Commons Atribuição-NãoComercial-SemDerivações 4.0 Internacional. Autores que publicam nesta revista concordam com os seguintes termos:
a) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
b) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
c) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).

Como Citar

[1]
2013. RedFace: um sistema de reconhecimento facial baseado em técnicas de análise de componentes principais e autofaces. Revista Brasileira de Computação Aplicada. 5, 1 (maio 2013), 42–54. DOI:https://doi.org/10.5335/rbca.2013.2627.